DermLIP

皮肤病学AI泛化差距更多与疾病转移而非肤色相关

一项发表在arXiv上的新研究调查了皮肤病学AI模型的泛化差距，特别考察了性能不佳是由于肤色代表性不足还是疾病分布转移。研究人员在旨在分离这些因素的数据集上评估了包括ResNet-50、DermLIP、MONET和DINOv3在内的多个模型。研究结果表明，在测试场景中，疾病分布转移对性能下降的贡献比肤色代表性不足更显著。研究还强调，代表性质量可以预测通过轻量级适应实现的性能恢复，这表明即使每个类别的少量标记示例也能显著提高模型准确性。